Discussione e conclusioni

In base ai dati analizzati in questo capitolo, che riguardano il campione trentino, può es-sere raccolta una serie di evidenze sul ruolo giocato da variabili di tipo psicosociale nel-le performance in matematica e in scienze, e su come queste possano essere influenzate da elementi inerenti la didattica. Ecco, in se-quenza, la discussione degli esiti principali in base agli obiettivi esplicitati precedentemente nel testo.

In linea con le evidenze empiriche nell’ambito degli studi sulle scienze (anche se il dibattito, come per la matematica, è ancora aperto sull’ar-gomento; si veda ad esempio la rassegna pub-blicata nel 2003 da Osborne, Simon & Collins), emerge un rapporto evidente tra le polarità più positive degli indici psicosociali e le migliori performance nelle prove cognitive in scienze.

Questo vale sia per la scuola primaria che per la secondaria di primo grado, e, in tono mino-re, per i diversi indici psicosociali considerati.

In base ai dati a disposizione per il campione trentino, i punteggi medi maggiori nelle prove cognitive vengono raggiunti in concomitanza della modalità più positiva degli indici psico-sociali. In genere, nella scuola primaria, anche in base all’età degli alunni intervistati, le po-larizzazioni sono più consistenti rispetto alla secondaria di primo grado: le differenze, cioè, tra la modalità più positiva e quella intermedia degli indici, ad esempio, sono più consistenti in quarta primaria che in terza secondaria, tranne che per l’indice «Fiducia nella propria capacità di imparare le scienze», che anche per le me-die risulta molto polarizzato sulla modalità più positiva. Non sono evidenti, nel nostro caso, differenze significative rispetto al campione italiano, rispetto al quale il Trentino presenta una maggiore autonomia dal punto di vista dell’organizzazione del sistema e del servizio educativo. Evidentemente però l’autonomia non riesce a differenziare in maniera consistente (se non per quanto riguarda, aspetto non seconda-rio, i punteggi più elevati) da un punto di vista culturale i due raggruppamenti (Matsumoto, 2001; Wilkins, 2004).

La prevalenza di una modalità in termini di

«aggancio» verso una migliore performance cognitiva in scienze equivale, nella maggior parte dei casi, ad avere il maggior numero di studenti al proprio interno. Ad esempio, nel-la scuonel-la secondaria di primo grado, l’indice

«Atteggiamento positivo dello studente verso la scienze» ha un andamento opposto rispet-to all’approfondimenrispet-to sulla matematica, con il maggior numero di soggetti nella modalità

«high». In questo caso, dunque, c’è una piena corrispondenza tra una maggioranza di stu-denti che ha un atteggiamento nei confronti dello studio delle scienze positivo, e allo stesso tempo un rendimento migliore, in termini di achievement, in questa disciplina. Per quanto riguarda il rapporto tra variabili psicosociali e achievement, i punteggi degli studenti trentini sono decisamente più elevati della media italia-na, sia per quanto riguarda la primaria che la secondaria. Bisogna però sottolineare come le differenze siano meno evidenti nella primaria, soprattutto nelle modalità intermedia e bassa degli indici psicosociali.

Risulta ancora da approfondire il rapporto combinato tra differenti variabili psicosocia-li, variabili didattiche e gli esiti nelle prove cognitive in scienze. Gli esiti delle analisi sul campione trentino evidenziano la presenza di un rapporto significativo, anche se con livelli di varianza spiegata spesso intorno al 5%, tra variabili psicosociali rispetto alla variabile di-pendente achievement in scienze, a riconferma del cosiddetto self-concept enhancement model (Marsh, 1992; Shavelson & Bolus, 1982). C’è tuttavia una serie di distinguo da fare.

Per quanto riguarda la scuola primaria, i dati indicano (Tabella 8), considerando un sempli-ce modello di regressione al livello studente, solo la variabile «Fiducia» come contributo si-gnificativo sull’achievement in scienze. Per la secondaria, invece, le variabili «Atteggiamen-to positivo» e «Valori». Lo scenario descrit«Atteggiamen-to in questo modo può essere ricondotto a una doppia focalizzazione della rappresentazione dei singoli studenti per quanto riguarda il pro-prio rapporto con lo studio e l’apprendimento delle scienze in ambito scolastico, finalizzati

al successo formativo. La focalizzazione della scuola primaria appare maggiormente centrata su aspetti maggiormente rivolti all’individua-lità del singolo studente («Fiducia») e meno su rappresentazioni attivate su «oggetto esterno»

scienze. Il discorso si capovolge nella seconda-ria, dove la centratura non appare su elementi interni, ma alla rappresentazione e all’uso stru-mentale delle scienze. Se poi si indagano, dal punto di vista didattico, gli elementi che mag-giormente potrebbero influire su questo set di atteggiamenti e rappresentazioni, ci si accorge come ci sia una sorta di congruenza tra elemen-to psicosociale «performante» sui rendimenti e strategia didattica percepita come prevalen-te. Nello specifico, l’aspetto «Fiducia» appare alimentato da strategie individuali e in buona parte cognitive («imparo a memoria», «risolvo problemi», ecc.); la dimensione «Atteggiamento positivo» è sostenuta da una didattica centrata su compiti autentici; infine la dimensione «Va-lori», appare frutto, in parte, di meccanismi trasmissivi/modellativi («osserviamo l’inse-gnante…»; «ascoltiamo l’insegnante…»), e in parte su attività autentiche, centrate sulla realtà quotidiana. Questi risultati sono in linea con una serie di evidenze in letteratura, che danno, in genere, maggior spazio alle strategie di inse-gnamento come influenza principale su variabi-li di tipo psicosociale legate alle scienze (si veda ad esempio Myers & Fouts, 1992).

L’elemento che più in assoluto risulta evidente nel contributo dato alla qualità delle

performan-ce cognitive sono sicuramente le modalità posi-tive dell’indice «Fiducia nella propria capacità di imparare le scienze». Questo vale sia per la scuola primaria che, soprattutto, per la scuola secondaria. Se consideriamo le saturazioni fat-toriali presenti nelle Tabelle 1 e 2, degli item che compongono questo indice, gli studenti del-la quarta primaria si presentano maggiormente bilanciati tra un livello di autoefficacia percepi-ta positivo e negativo, mentre gli studenti della terza secondaria sembrano avere una maggiore focalizzazione sulla polarità positiva («Imparo le scienze facilmente»). In genere, come si è visto, i punteggi medi più alti di achievement in scienze sono raggiunti dai soggetti che hanno un livello di fiducia nei propri mezzi elevato.

A questo indice, per la scuola secondaria, si aggiunge, in termini di contributo significativo sui risultati delle prove cognitive, anche l’indi-ce sul set valoriale rispetto all’apprendimento delle scienze, nelle due modalità positiva e in-termedia. Considerando le statistiche descrittive degli item che compongono questo indice, ci si rende conto come l’aspetto più premiato, o che risulta più significativo per gli studenti di ter-za secondaria intervistati sia quello legato alla percezione di utilità delle scienze nella vita quo-tidiana. Viene data, dunque, priorità all’aspetto strumentale del set valoriale sull’apprendimento delle scienze espresso dagli studenti, così come anticipato precedentemente.

Per l’ambito delle scienze, dunque, per quan-to riguarda la scuola primaria, sembrano avere Tabella 8

Schema riassuntivo sui contributi significativi emersi dai modelli di regressione multipla e logistica utilizzati

Quarta primaria Terza secondaria di I grado Variabili

psicosociali sig.

Achievement  scienze

• Fiducia nella propria capacità

di imparare le scienze (high) • atteggiamento positivo dello

stu-dente verso le scienze (high) • Valori attribuiti allo studio delle scienze (high)

Variabili didattiche sig.

Variabili  psicosociali

• imparo a memoria gli argo-menti di scienze

• scrivo o fornisco una spiega-zione per qualcosa che sto studiando in scienze

• risolvo i problemi di scienze da solo/a

• applichiamo quello che

imparia-mo in scienze alla vita quotidiana • osserviamo l’insegnante mentre fa un esperimento o un’indagine sperimentale

• applichiamo quello che imparia-mo in scienze alla vita quotidiana

• ascoltiamo l’insegnante che fa lezione

un ruolo preponderante le caratteristiche in-dividuali, in termini di conoscenza e fiducia nelle proprie capacità, mentre gli aspetti legati strettamente agli atteggiamenti nei confronti dello studio della matematica sono, in genere, ininfluenti rispetto alle performance cognitive.

La letteratura di settore ha indicato l’influenza di elementi esogeni, come il clima di sicurezza percepito, ad esempio (indice presente nel data-set TIMSS 2007, ma non considerato per queste analisi), nel modulare l’influenza della didatti-ca nel consolidamento delle rappresentazioni psicosociali sull’apprendimento delle scienze, e a cascata delle performance nelle stesse (si veda ad esempio Osborne, Simon & Collins, 2003). Elementi questi che potrebbero essere considerati in una eventuale evoluzione delle analisi qui presentate.

Rimane la relazione non significativa con la metodologia didattica centrata sui piccoli gruppi: paradossalmente, una maggiore attivi-tà in piccolo gruppo per le scienze pare non influire sulle performance cognitive (in parte questo è dovuto al fatto che gli intervistati che dichiarano di aver fatto delle didattica a piccoli gruppi sono una decisa minoranza nel conte-sto trentino; Martini & Rubino, 2011). Si può dedurre, ma questo necessiterebbe di ulteriori approfondimenti, che la centratura su elementi endogeni individuali (autoefficacia percepita, ad esempio, ciò che è stato ricondotto all’etichetta

«Fiducia», in precedenza) sia in qualche modo veicolata da un uso costante di strategie didat-tiche tradizionali in classe, che potrebbe (anche questa ipotesi è da verificare successivamente) influire su una percentuale di varianza spiegata sull’esito delle prove cognitive. Lo scenario per la scuola secondaria, sulle scienze, è tendenzial-mente simile, con il ruolo della didattica «auten-tica» significativo, ma comunque veicolato da strategie didattiche più tradizionali e comunque centrate sull’insegnante. Esiti questi che posso-no essere appaiati con precedenti indagini sugli stili di insegnamento più diffusi nel contesto della Provincia di Trento, in genere tradizio-nali e meno propensi alle attività partecipate e di piccolo gruppo (Pisanu, 2009). Per stare su questo punto, e allargare la focale a livello di

sistema, gli esiti confermano l’interesse anche strumentale che le tematiche ambientali (nel senso di rapporto attivo con l’ambiente) hanno nel sistema scolastico trentino: lo dimostra la presenza nella scuola secondaria di primo grado di un ruolo significativo della didattica centrata su compiti autentici (Petraglia, 1998).

Queste analisi, dunque, soprattutto gli studi sulle regressioni, potrebbero essere l’apertura per ulteriori studi con modelli più complessi, di tipo causale complesso (ad esempio SEM), per studiare l’impatto congiunto e la struttura di re-lazioni tra variabili psicosociali, altre variabili comportamentali, didattiche e di background (ad esempio il tempo speso per i compiti a casa in scienze, la percezione del clima scolastico, ecc.) sui livelli di achievement per quanto ri-guarda l’apprendimento delle scienze. Un ap-profondimento di questo tipo consentirebbe un approccio più approfondito e completo all’esplorazione del quarto pattern relazionale, accennato in apertura, che considera appunto la presenza di covariate nel rapporto tra variabili psicosociali e performance in scienze (Peralta-Sanchez & (Peralta-Sanchez-Roda, 2003).

Al di là dei pattern relazionali tra tali variabili, i dati discussi in questa sede potrebbero essere declinati in termini di proposte operative per il contesto scuola e classe. Nonostante il dibattito sia ancora aperto sulle variabili che influenzano in maniera più significativa gli atteggiamenti positivi nei confronti delle scienze (Osborne et al., 2003), è possibile proporre, in base al caso trentino, uno scenario applicativo in cui aspetti di innovazione curricolare (ad esempio, sempre facendo riferimento al caso trentino, con una maggiore centratura su aspetti e compiti auten-tici che riguardano la vita nel territorio) possano essere integrati con pratiche di insegnamento efficace delle scienze gestite dagli insegnanti.

Questo per evitare ciò che sempre Osborne e colleghi (2003, p. 29) definiscono «alienazione delle nostre nuove generazioni dalla scienza».

Possiamo considerare gli elementi descritti nella Tabella 8 in una prospettiva evolutiva in cui si passa, come si è visto, da una centratu-ra interna a una più esterna e maggiormente orientata sulla valenza pratica delle scienze

nella vita quotidiana, al termine, in sostanza, del primo ciclo di istruzione. Da questo punto di vista l’obiettivo, seguendo le indicazioni di Osborne e Collins (2000), dovrebbe essere il supporto dell’autonomia personale e decisiona-le, ottenibile attraverso più consistenti attività di lavoro pratico, dunque autentico, condiviso dal punto di vista sociale, nel quale l’insegnan-te può ricoprire ruoli differenti (non solo di esperto della disciplina, ma anche, a seconda dei casi, facilitatore, pianificatore, supervisore, ecc.). Pratiche ormai consolidate in letteratu-ra e nella pletteratu-rassi quotidiana, potenzialmente in grado di tenere in piedi una struttura tripartita per l’insegnamento delle scienze composta da didattica, apprendimenti e aspetti psicosociali, possono ad esempio essere la didattica per pro-blemi reali (Fly Jones, Rasmussen & Moffitt, 1997) e la cosiddetta didattica laboratoriale (si vedano ad esempio, per il contesto italiano, le riflessioni di Frabboni, 2004).

BiBliograFia

Ajzen, I., & Fishbein, M. (1980). Understanding atti-tudes and predicting social behaviour. Englewood Cliffs, NJ: Prentice Hall.

Bandura, A. (1977). Social learning theory. New York: General Learning Press.

Breakwell, G. M., & Beardsell, S. (1992). Gender, parental and peer influences upon science attitudes and activities. Public Understanding of Science, 1, 183-197.

Byrne, B. M., & Bracken, B. A. (a cura di) (1996).

Academic self-concept: Its structure, measure-ment, and relation to academic achievement. Han-dbook of self-concept. New York: Wiley.

Crawley, F. E., & Black, C. B. (1992). Causal mo-delling of secondary science students intentions to enroll in physics. Journal of Research in Science Teaching, 29, 585-599.

Crawley, F. E., & Coe, A. E. (1990). Determinants of middle school students’ intentions to enroll in a high school science course: An application of the theory of reasoned action. Journal of Research in Science Teaching, 27, 461-476.

Erberber, E., Arora, A., & Preuschoff, C. (2008).

Developing the TIMSS 2007 Background Que-stionnaires. In J. F. Olson, M. O. Martin e I. V.

S. Mullis (Eds), TIMSS 2007 Technical Report.

Chestnut Hill, MA: TIMSS & PIRLS International Study Center.

Gardner, P.L. (1975). Attitudes to science: A review Studies. Science Education, 2, 1-41.

Fly Jones, B., Rasmussen, C. M., & Moffitt, M. C.

(1997). Real life problem solving. Washington, DC:

American Psychological Association.

Frabboni F. (2004). Il laboratorio. Bari: Laterza.

Hamachek, D. E. (1985). The self’s development of ego growth: Conceptual analysis and implications for counsellors. Journal of Counselling and Deve-lopment, 64, 136-142.

Klopfer, L. E. (1971). Evaluation of learning in scien-ce. In B. Bloom, J. Hastings e G. Manaus (Eds), Handbook of summative and formative evaluation of student learning. New York: McGraw-Hill.

Koballa, T. R. (1995). The determinants of female junior high school students’ intentions to enroll in elective physical science courses in high school:

Testing the applicability of the theory of reasoned action. Journal of Research in Science Teaching, 25, 479-492.

Liu, S., & Meng, L. (2010). Re-examining factor structure of the attitudinal items from TIMSS 2003 in cross-cultural study of mathematics self-concept. Educational Psychology, 30 (6), 699-712.

Marsh, H. W. (1992). Content specificity of relations between academic achievement and academic self-concept. Journal of Educational Psychology, 84 (1), 35-42.

Marsh, H. W., Hau, K., & Kong, C. (2002). Mul-tilevel causal ordering of academic self-concept and achievement: Influence of language of instruc-tion (English compared with Chinese) for Hong Kong students. American Educational Research Journal, 39 (3), pp. 727-763.

Marsh, H. W., Trautwein, U., Ludtke, O., Koller, O.,

& Baumert, J. R. (2005). Academic self-concept, interest, grades, and standardized test scores: Re-ciprocal effects models of causal ordering. Child Development, 76 (2), 397-416.

Martin, M. O., & Preuschoff, C. (2008). Creating the TIMSS 2007 background indices. In J. F. Olson, M. O. Martin e I. V. S. Mullis (Eds.), TIMSS 2007 Technical Report. Chestnut Hill, MA: TIMSS &

PIRLS International Study Center.

Martini, A., & Rubino, F. (2011). Rapporto Provin-ciale TIMSS 2008. Trento: Editore Provincia Au-tonoma di Trento e IPRASE Trentino.

Matsumoto, D. (2001). Cross-cultural psychology in the 21^st century. In J. S. Halonen e S. F. Davis (Eds). The many faces of psychological research in the 21^st century (capitolo 5). Disponibile online (20 gennaio 2011) all’indirizzo http://teachpsych.

org/resources/e-books/faces/script/ch05.htm.

Mullis, I. V. S., Graham, J. M., Ruddock, G. J., Sullivan, C. Y., & Preuschoff, C. (2009). TIMSS 2011 assessment frameworks. Chestnut Hill, MA:

TIMSS & PIRLS International Study Center.

Myers, R. E., & Fouts, J. T. (1992). A cluster analy-sis of high school science classroom environments and attitude toward science. Journal of Research in Science Teaching, 29, 929-937.

Osborne, J. F., & Collins, S. (2000). Pupils’ and parents’ views of the school science curriculum.

London: King’s College London.

Osborne, J., Simon, S., & Collins, S. (2003). Attitu-des towards science: A review of the literature and its implications. International Journal of Science Education, 25 (9), 1049-1079.

Papanastasiou, C. (2002). Effects of background and school factors on the mathematics achievements.

Educational Research and Evaluation, 8 (1), 55-70.

Peralta-Sanchez, F. J., & Sanchez-Roda, M. D.

(2003). Relationships between self-concept and academic achievement in primary students. Elec-tronic Journal of Research in Educational Psycho-logy and Psychopedagogy, 1 (1), 95-120.

Petraglia, J. (1998). Reality by design: The rhetoric and technology of authenticity in education. Mah-wah, NJ: Lawrence Erlbaum Associates.

Pisanu, F. (2009). Le metodologie didattiche. In A. Bazzanella e C. Buzzi (a cura di). Insegnare in Trentino, Seconda indagine Istituto IARD e IPRASE sui docenti della scuola trentina. Studi e Ricerche IPRASE, 47. Trento: Editore Provincia Autonoma di Trento e IPRASE Trentino.

Rutkowski, L., Gonzalez, E., Joncas, M. & von Davier, M. (2010). International large-scale as-sessment data issues in secondary analysis and reporting. Educational Researcher, 39 (2), 142-151.

Shavelson, R. J., & Bolus, R. (1982). Self-concept:

The interplay of theory and methods. Journal of Educational Psychology, 74 (1), 3-17.

Skaalvik, E. M., & Valas, H. (1999). Relations among achievement, self-concept, and motivation in mathematics and language arts: A longitudinal study. Journal of Experimental Education, 67 (2), 135-149.

Thurston, A., Topping, K. J., Tolmie, A., Christie, D., Karagiannidou, E., & Murray, P. (2010). Coopera-tive learning in science: Follow-up from primary to high school. International Journal of Science Education, 32 (4), 501-522.

Wang, J., & Lin, E. (2008). An alternative interpre-tation of the relationship between self-concept and mathematics achievement: Comparison of Chinese and US students as a context. Evaluation & Rese-arch in Education, 21 (3), 154-174.

Wang, J., Oliver, J. S., & Staver, J. R. (2008). Self-concept and science achievement: Investigating a reciprocal relation model across the gender classification in a crosscultural context. Journal of Research In Science Teaching, 45 (6), 711-725.

Wilkins, J. M. (2004). Mathematics and science self-concept: An international investigation. Journal of Experimental Education, 72 (4), pp. 331-346.

Wilkins, J. L. M., Zembylas, M., & Travers, K. J.

(2002). Investigating correlates of mathematics and science literacy in the final year of secondary school. In D. F. Robataille e A. E. Beaton (Eds), Secondary analysis of the TIMSS data (pp. 291-316). Boston: Kluwer Academic.

Woolnough, B. (1994). Effective science teaching.

Milton Keynes, Open University Press.